java - 如何在java中实现杰卡德系数？

Question

假设我有 2 个这样的字符串。

查询1:“三月的想法”

查询2:“Ceaser于三月去世”

函数(j) = (查询1交集查询2)/(查询1并集查询2)

我正在考虑标记(单词)数量的准确性，无论它们的位置如何。

查询 1 交叉点查询 2 = 1 {三月}

Query1 union Query2 = 6 {想法，of，March，Ceaser，死了，in}

在此上下文中，Function(j) 应返回 1/6。

有没有办法找到两个句子的交集计数和并集计数？例如，在这里，

public double calculateSimilarity(String  oneContent,  String otherContent)
{
    double numerator   = intersection(oneContent,otherContet);
    double denominator = union(oneContent,otherContet);

    return denominator.size() > 0 ? 
    (double)numerator.size()/(double)denominator.size() : 0;
}

Java 中是否有这些函数可以在不使用 Google Guava 等任何外部库的情况下获取交集计数和并集计数？

Answer 1

您可以使用 Apache commons 文本，它没有其他外部依赖项。 (https://commons.apache.org/proper/commons-text/)

文本相似度算法文档:https://commons.apache.org/sandbox/commons-text/apidocs/org/apache/commons/text/similarity/package-summary.html

您可以在这里找到杰卡德系数的实现: https://github.com/apache/commons-text/blob/master/src/main/java/org/apache/commons/text/similarity/JaccardDistance.java